摘要：人脸识别是生物识别技术的研究热点技术，近几年，人脸识别技术在安防领域得到了广泛应用，随着技术的不断发展，它离我们的日常生活越来越近，手机、商场、公园等都可以看到它的身影。

人脸识别中最重要的一部分就是将人脸上的特征如何提取出来的这一部分，采用基于子空间分析的人脸识别方法对低维子空间中的人脸图像进行分析,以解决计算成本高的问题。且能很好的表示人脸的整体特征。虽然，现在主流的人脸特征提取方法是基于深度学习提取的技术，但基于子空间分析的人脸识别方法对我来说仍然具有研究学习的意义。毕业设计拟对图像检测人脸特征点，并使用主成分分析和线性判别分析来研究人脸识别中的子空间方法，选用Python语言实现PCA和LDA这两种算法，说明这两种算法的数学原理，比较了两种特征提取和压缩方法的优缺点,得出了最终结论。也就是说,当特征数目较多时,LDA算法比PCA算法具有更好的识别效果,并测试算法在公开人脸数据库上的性能。

关键词：人脸识别；特征提取；子空间；PCA；LDA；

目录

摘要

Abstract

1．绪论-1

1.1 研究背景与意义-1

1.2 研究现状-2

1.3 存在的问题-2

1.4 论文组织结构-3

2．相关理论与技术-4

2.1 人脸识别流程-4

2.2 人脸的特征提取-5

2.3 分类器-6

2.4 人脸识别数据库-7

3．基于子空间的人脸识别方法-8

3.1 主成分分析法-8

3.2 线性判别分析法-10

3.3 基于子空间的人脸识别方法的应用-11

3.4 PCA与LDA人脸识别优缺点分析-12

3.5 PCA与LDA人脸识别的比较-12

4．基于子空间人脸识别算法的实现-13

4.1 PCA算法的实现-13

4.2 LDA算法的实现-14

5. 实验结果分析与总结-15

5.1 实验过程分析-15

5.2 实验结果-15

结    论-19

参 考 文 献-20

致    谢-21